ECOC多分类算法在慕课数据挖掘中的应用

收集并整合多所高校学生的慕课学习行为数据，设计基于数据复杂度的纠错输出编码（ECOC）多分类算法。该算法利用数据复杂度降低多类之间的分类难度，从而提高算法的预测准确度。实验结果表明，在不同高校的慕课数据集的测试中，所设计基于数据复杂度的ECOC分类算法比传统的ECOC算法具有更高的分类准确度和鲁棒性，实现了学生学习成绩多等级的有效预测，为个性化教学奠定了基础。     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

基于学业成绩的师范生教师资格获得预警研究

本研究指出,教师资格考试是我国教师准入管理制度的重要环节,师范生教师资格证的获得是师范生职业发展的第一道门槛.本研究通过建立教师资格证考试内容与大学学科课程的对应关系,采用基于密度的离群点检测算法模型,以数学与应用专业学生的课程成绩为实验样本进行数据挖掘分析,识别学业危机学生.研究结果表明,该预警方法可以识别出教师资格获得危机学生,引起学生对教师资格证考试备考的重视,为教师提供预警干预学生的依据,有利于教师精准施教.该预警方法对离群特征显著的学生预测可达到100％,对离群特征不明显的学生识别率较低,算法有待修正.     

基于共词网络的雾霾事件下微博关注话题差异性——以中国北方雾霾严重地区典型城市为例

雾霾对人体健康、生态环境及交通运输等方面影响重大,雾霾来临时,人们会在微博等媒体上表达对雾霾的关注。微博中蕴含了网民对雾霾的关注话题及心理反映,通过微博掌握微博网民对于雾霾的相关反应,有助于城市管理者有针对性的调节雾霾情形下的舆论宣传和资源调配。考虑到微博文本中相同词语共现频率越高就越倾向于表达同一主题,采用基于社区的共词网络法挖掘微博话题,首先,采集2017年冬季以"雾霾""空气"等为关键词的微博数据,利用TF-IDF(term frequenly-inverse document frequency)算法对预处理之后的微博数据提取关键词,并获取关键词间的共现关系,然后基于共现关系构建共词网络,根据Louvain算法探测话题社区,最后,以中国雾霾污染最严重的华北地区、华东地区、东北地区7个典型城市为研究区,结合关键词节点的Pagerank值,分析各城市共词网络话题社区的差异程度。实验结果表明,不同城市对于雾霾事件的关注既有相同点也有差异性。研究结果对雾霾情形下城市差异化管理具有一定的理论指导作用。     

基于科学知识图谱的辽宁省区域研究热点分析

为揭示辽宁省的核心机构、研究热点问题和前沿学科领域，应用科学知识图谱分析探究2012 ～ 2016年辽宁省区域的研究热点和学科趋势。以Web of Science 数据库中2012 ～ 2016 年收录的10 725 篇辽宁省文献为原始数据，首先分析了年份发文量和高被引文献，其次采用CiteSpace 软件对机构合作、关键词共词和学科共现的科学知识图谱进行分析。研究分析证明，辽宁省的核心机构是中国医科大学，在工程学、化学和医学领域取得了丰硕的研究成果。     

榆神矿区曹家滩井田首采工作面涌水量预测

陕北侏罗纪煤田榆神矿区内煤炭资源丰富,但区内矿井普遍受到顶板水害影响。为了准确预测榆神矿区内矿井工作面涌水量,以曹家滩井田122106首采工作面为例,首先分析其导水裂隙带发育高度,判断其2~(-2)号煤回采后上覆含水层的波及情况,而后确定工作面顶板的主要充水含水层,再采用5种方法进行涌水量预测,最后进行对比分析确定涌水量预测值。结果表明:采用裂采比27倍作为导水裂隙带发育高度计算参考,工作面2~(-2)号煤回采高度6 m,导水裂隙带发育高度为162 m,波及上覆主要含水层为侏罗系延安组含水层和直罗组含水层,部分区域波及的风化基岩含水层。采用的5种方法计算工作面正常涌水量分别为404、570、617、464、589 m~3/h;最大涌水量取正常涌水量的1.2倍系数进行计算。通过对比分析各方法的适用条件,确定比拟法的计算值最能够接近矿井生产实际,即曹家滩井田122106首采工作面正常涌水量为464 m~3/h,最大涌水量为557 m~3/h。     

神木双110井区非均质气藏井位优化部署技术

神木气田双110井区地质条件复杂，储层非均质性强，井位部署及跟踪调整难度极大。2017-2019年长城钻探公司与长庆油田创新合作模式，充分发挥联合开发优势，以双110井区为目标，坚持地质工程一体化，精细地质研究，优化井位部署。为了保证开发效果，从地震、测井、录井、岩芯、试气等资料入手，开展构造特征、沉积相特征、砂体及有效储层分布规律研究，建立三维地质模型，优选含气富集区。在井型、井网论证的基础上，优化井位部署，最终实现“少井高产”。共完钻直/定向井208口，对比方案少钻37口井，静态I+II类井比例达84.0%，部署完成水平井15口，平均水平井长度1 433.5 m，砂岩钻遇率83.3%，获得良好的开发效果。     

云南老厂矿区煤层气地质条件

在分析矿区地质条件、煤岩及煤储层特征的基础上,探讨研究区煤层气地质条件.结果表明:老厂矿区龙潭组和长兴组含煤性好,煤层厚度大并且分布稳定,煤质以无烟煤为主,生烃量大,生烃能力强;煤岩组分稳定,镜质组含量高,对甲烷吸附性强;煤层孔隙度较低,渗透率中等;解吸率和储层压力偏高,中等含气性,含气量在6.02 ～ 18.95 m3/t.研究区构造类型和水文地质条件相对简单,围岩封盖及地下水封堵作用强,利于煤层气的富集成藏.综合分析认为,老厂矿区属中型富甲烷煤层气目标区,煤层气成藏地质条件优越,煤层气资源丰富,开采条件优越.     

Forecasting economic indicators using a consumer sentiment index: Survey‐based versus text‐based data

Given the confirmed effectiveness of the survey‐based consumer sentiment index (CSI) as a leading indicator of real economic conditions, the CSI is actively used in making policy judgments and decisions in many countries. However, although the CSI offers qualitative information for presenting current conditions and predicting a household's future economic activity, the survey‐based method has several limitations. In this context, we extracted sentiment information from online economic news articles and demonstrated that the Korean cases are a good illustration of applying a text mining technique when generating a CSI using sentiment analysis. By applying a simple sentiment analysis based on the lexicon approach, this paper confirmed that news articles can be an effective source for generating an economic indicator in Korea. Even though cross‐national comparative research results are suited better than national‐level data to generalize and verify the method used in this study, international comparisons are quite challenging to draw due to the necessary linguistic preprocessing. We hope to encourage further cross‐national comparative research to apply the approach proposed in this study.     

巨厚砾岩下开采地表沉陷预计模型的改进

为了探究巨厚砾岩下开采的地表沉陷规律,结合关键层理论,通过数值模拟从垂直应力、塑性区、垂直位移3个方面分析覆岩内部稳定性及造成地表倾向下沉曲线偏态的原因,基于概率积分法,建立改进的地表沉陷预计模型。结果表明:关键层初次破断距为291 m,周期破断距为281 m;悬力臂是造成下沉曲线偏态的主要原因;相对于经典的概率积分沉陷预计模型,改进的地表沉陷预计模型相对误差减小114%。可见在巨厚砾岩层下开采地表沉陷预计中,改进的地表沉降预计模型具有较高的准确度和适用性。